ارائه مدلی جدید برای استخراج مکعب های OLAP ازپایگاه داده های نواسکیوال غیرساختارمند بر اساس الگوریتم شباهت

ظهور پلت فرم های مقیاس وسیع در وب مانند گوگل، فیس بوک، توییتر و غیره باعث شده است که در سال های اخیر با رشد چشمگیریاز تولید داده ها مواجه شویم که این امر باعث شده است مدل های رابطه ایی توانایی پشتیبانی و تجزیه و تحلیل چنین داده های یزرگ وپیچیده ایی را نداشته باشند. با توجه به تنوع و حجم داده ها و غیرساختارمند بودن داده ها پایگاه داده های غیر متمرکز با عنوان نواسکیوالمطرح شده است که در مقایسه با پایگاه داده های رابطه ایی مقیاس پذیر و انعطاف پذیر می باشد ولی با توجه به غیر ساختارمند بودن داده هااجرای پردازش تحلیلی بر روی خط ( OLAP ) بر روی پایگاه داده نواسکیوال چالش انگیز و دشوار است. در این مقاله، مدلی برای غلبه برمقادیر NULL ، در تبدیل پایگاه داده نواسکیوال به پایگاه داده رابطه ایی با استفاده از تکنیک های تشابه ارائه شده است. مدل پیشنهادیازچهار فاز اصلی شینگلینگ، چانک، Minhash ، و LSH تشکیل شده است. به طوری که هر فاز پروسه مناسبی را بر روی پایگاه دادهنواسکیوال انجام میدهد. LSH ، یکی از الگوریتم های شباهت تقریبی می باشد که از روش درهم سازی برای یافتن مشابهت عناصر استفادهمی کند به این ترتیب که داده هایی که به احتمال زیاد مشابه هستند را به یک باکت (سبد) نگاشت می کند. با توجه به سرعت و کاهشمیزان مقایسه لازم، مدل پیشنهادی ما در مقایسه با سایر راهکارها رویکردی مناسب و کارآمد می باشد

کلیدواژه ها:

الگوریتم شباهت LSH ، پایگاه داده نواسکیوال ، پردازش تحلیلی بر روی خط ، داده های بزرگ